专为机器人设计的AI视频模型开源了！它能教机器人理解物理世界

发生了什么？

蚂蚁灵波公司开源了一款叫“LingBot-Video”的AI模型。它不是普通视频生成工具，而是专门为机器人设计的“视频物理引擎”。简单说，它能生成符合真实物理规律的视频，用来训练机器人，让机器人学会像人类一样理解物体、动作和因果关系。

为什么机器人需要自己的视频模型？

普通视频生成AI（比如文生视频）关注的是画面美不美、镜头稳不稳、有没有穿帮。但机器人的“眼睛”和人类不同——它不光要看，还要判断：伸手抓杯子，杯子会怎么动？走过去，会不会撞到东西？如果拿普通视频去训练机器人，视频里偶尔出现的穿模（手穿过物体）或物体突然消失，对机器人来说是“错误的教学”，会让它学坏。

LingBot-Video生成视频时，把“是否符合物理规律”放在第一位。比如机械臂抓零件，必须保证爪子和工件在每一帧里位置关系正确；机器人踢球，腿和球的运动轨迹要对得上。

它是怎么做到的？

模型有三个关键特点：

1. 灵活的“大脑”结构：它采用MoE架构（可以理解为“专家团队”），总共有300亿参数，但每次生成视频只激活其中30亿，就像一个大团队中只叫最相关的专家干活。这样既省钱又高效。
2. 海量机器人专属数据：普通视频数据不适合机器人，所以团队专门收集了超过7万小时的机器人相关视频（包括操作、导航、第一视角等），让模型学习真实世界的物理交互。
3. 物理逻辑“考试”：模型训练时加入了分层强化学习（一种让AI不断试错、反馈奖励的方法），从三个维度把关：画面要清晰、物理要正确（物体不能穿透、运动要符合惯性）、动作要能执行（机器人四肢结构完整）。

这跟普通人有什么关系？

简单说，LingBot-Video开源后，全球的机器人研究团队都可以免费使用这个模型来训练自己的机器人。未来，你家可能会用上更聪明的扫地机器人、送餐机器人或人形机器人，它们动作更稳、不会乱撞东西、能准确抓取物品——因为它们在虚拟世界里已经“练习”过无数遍了。

目前，LingBot-Video在机器人专用评测平台RBench上已经超过了其他通用视频生成模型。